深度学习在生物医药领域的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量	算法框架	模型架构	性能指标	计算资源
1521	2025-12-05	Exploring Deep Learning in Electrodermal Activity Recording for Continuous Detection of Pain Intensity Level 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254524 PMID:41336637	研究论文	本研究探索了使用深度学习模型分析皮肤电活动信号，以实现疼痛强度水平的连续检测	首次实现了基于皮肤电活动的连续疼痛强度检测，而非间歇性检测，并采用了并行混合CNN-LSTM架构	模型在独立测试集上的R-squared分数相对较低（0.495），表明解释方差的能力有待提升	开发一种客观、连续的非侵入性疼痛强度评估方法，以改善疼痛管理和治疗策略	皮肤电活动信号用于疼痛强度检测	机器学习	慢性疼痛	皮肤电活动记录	CNN, LSTM	生理信号（皮肤电活动）	37名独立受试者（来自BioVid热痛数据集）	NA	并行一维CNN与堆叠双向及单向LSTM	M-RMSE, R-squared	NA
1522	2025-12-05	Sleep Brain and Cardiac Activity Predict Cognitive Flexibility and Conceptual Reasoning Using Deep Learning 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252806 PMID:41336641	研究论文	本研究开发了一个名为CogPSGFormer的多尺度卷积-Transformer模型，利用夜间睡眠期间的生理信号（如ECG和EEG）来预测个体的认知灵活性及概念推理能力	提出了首个结合多模态多导睡眠图数据（包括单通道ECG、EEG信号及提取特征如EEG功率带和心率变异性参数）的深度学习模型，通过多尺度特征提取和多模态学习，有效预测特定认知领域的表现	研究基于单一数据集（STAGES）的817名个体，可能限制了模型的泛化能力；未详细讨论模型在不同人群或睡眠条件下的适用性	探索睡眠微结构与人类认知表现（特别是执行功能中的认知适应性和概念推理）之间的关系，并利用深度学习进行预测	人类个体的夜间睡眠生理信号及认知表现数据	机器学习	NA	多导睡眠图（PSG）信号采集，包括ECG和EEG信号分析	深度学习模型，结合卷积神经网络和Transformer	多模态生理信号数据（时间序列数据）	817名来自STAGES数据集的个体	未明确指定，但代码公开可用	CogPSGFormer（多尺度卷积-Transformer架构）	准确率（基于Penn Conditional Exclusion Test分数将个体分类为低vs高认知表现组）	未明确指定
1523	2025-12-05	A Hybrid Deep Learning Model for Sleep Staging with Multi-Domain Feature Fusion from Single-Channel EEG 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252818 PMID:41336650	研究论文	本文提出了一种混合深度学习模型，利用单通道脑电图的多域特征进行睡眠分期	通过融合时域和时频域特征，提高了单通道脑电图在睡眠分期中的多分类性能，特别是在N3阶段检测方面	NA	开发一种仅使用单通道脑电图的自动睡眠分期模型，以促进便携式监测系统的发展	来自151名受试者的单通道脑电图数据	机器学习	NA	多导睡眠图	混合深度学习模型	脑电图	151名受试者	NA	NA	准确率, F1分数	NA
1524	2025-12-05	Decoding Blood Volume Loss: Can Non-Invasive Signals Match the Gold Standard? 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252812 PMID:41336666	研究论文	本研究通过深度学习框架比较了有创和无创生理信号在分类不同程度低血容量症方面的判别能力	首次使用深度学习框架同时分析无创光电容积脉搏波和有创动脉血压波形，并采用时频表示与潜在空间特征晚期融合策略来提升分类性能	研究基于健康志愿者通过下体负压模型模拟低血容量症，可能无法完全反映真实临床出血情况	探索无创生理信号在诊断不同程度低血容量症方面的潜力，并与有创金标准进行比较	健康志愿者在动态下体负压模型下产生的生理信号	机器学习	低血容量症	光电容积脉搏波, 动脉血压波形监测	深度学习模型	生理信号波形	NA	NA	NA	AUROC, F分数	NA
1525	2025-12-05	Hybrid CNN-LSTM Model for Evaluating Heart Rate Variability from Pulse-to-Pulse Intervals 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252777 PMID:41336669	研究论文	本研究提出了一种混合CNN-LSTM模型，用于从光电容积脉搏波（PPG）信号估计心电图（ECG）衍生的R-R间期（RRI），以实现无创心率变异性（HRV）监测	提出了一种结合卷积神经网络（CNN）和长短期记忆网络（LSTM）的混合深度学习模型，用于从PPG信号非侵入性地估计ECG衍生的RRI，为实时HRV评估提供了新方法	模型在较低呼吸频率下准确捕捉HRV，但在频域分析中系统性地低估了极低频（VLF）、低频（LF）和高频（HF）成分（p < 0.01）	开发一种基于深度学习的非侵入性方法，用于从PPG信号估计心率变异性（HRV），以替代传统心电图（ECG）监测	19名受试者在控制呼吸条件下（每分钟6、18和30次呼吸）采集的光电容积脉搏波（PPG）信号和心电图（ECG）衍生的R-R间期（RRI）数据	机器学习	心血管疾病	光电容积脉搏波（PPG）信号采集，心电图（ECG）R-R间期（RRI）提取	CNN, LSTM	信号数据（PPG信号）	19名受试者	NA	混合CNN-LSTM模型	平均绝对误差（MAE），相关性分析，频域分析（VLF、LF、HF成分）	NA
1526	2025-12-05	Accurate Gait Assessment and Reduced Patient Burden from a Chest-Mounted Accelerometer 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252810 PMID:41336667	研究论文	本研究探索了利用胸部加速度数据和机器学习技术进行步态参数估计，以减少患者负担并提高步态分析的准确性	提出了一种基于胸部加速度数据的步态评估方法，结合小波分析和深度学习模型，实现了在非侵入性、低负担条件下对步态参数的准确估计	对于某些步态参数（如占空比和双支撑持续时间）的性能表现较为多变，需要进一步优化	开发一种高效、非侵入性的步态分析方法，以增强可穿戴设备在临床试验和日常监测中的实用性	神经系统疾病患者及其他行动障碍患者的步态参数	机器学习	神经系统疾病	小波分析，加速度计数据采集	深度学习模型，广义倒立摆模型	加速度数据	未明确指定样本数量	未明确指定	未明确指定	均方根误差（RMSE）	未明确指定
1527	2025-12-05	Methodology for Generating Medical Images Applied to the Generation Of Synthetic Colon Polyps 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252832 PMID:41336683	研究论文	本文提出了一种用于生成医学图像的新方法，特别应用于生成包含结肠息肉的合成结肠图像	提出了一种新的合成医学图像生成方法，并应用于结肠息肉图像生成，在Fréchet Inception Distance和Structural Similarity Index Measure指标上超越了当前最佳模型	未明确说明合成图像在临床诊断中的实际应用效果或验证	解决结肠息肉图像数据缺乏问题，通过生成合成图像来增强数据集的多样性	结肠镜检查图像中的结肠息肉	计算机视觉	结直肠癌	合成数据生成	生成对抗网络,扩散模型	图像	NA	NA	Guided Diffusion, Poisson Flow Generative Models, Improved Diffusion, Slicing Adversarial Network	Fréchet Inception Distance, Structural Similarity Index Measure, Precision, Recall, Kernel Inception Distance	NA
1528	2025-12-05	Identifying Carotid Plaque Compositions Exhibiting Discordant Motion in B-Mode Ultrasound Videos 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11252801 PMID:41336687	研究论文	本研究通过分析2D B模式颈动脉超声视频，识别并表征斑块成分的运动模式，以探究其与斑块不稳定性和缺血性卒中风险的关系	提出了一种结合深度学习分割与启发式计算的方法，首次在超声视频中量化不同斑块成分（如钙化区、纤维区、脂质核心）的运动差异，并发现低回声区（GS≤25）在高度不协调运动斑块中表现出最大的角运动范围	样本量较小（仅20例视频），且依赖启发式方法进行成分划分，可能未完全反映真实组织学特征	通过分析颈动脉斑块成分的运动模式，识别与斑块不稳定性和破裂风险相关的特征	无症状（AS）和有症状（SY）患者的颈动脉斑块	医学影像分析	心血管疾病	B模式超声成像	深度学习模型	2D超声视频	20例颈动脉超声视频（10例无症状患者，10例有症状患者）	NA	NA	最大角运动范围（MAXFW），最大中位运动幅度	NA
1529	2025-12-05	Robust Automatic 3D Brain Extraction on T1 Weighted Magnetic Resonance Images for dogs and cats 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254288 PMID:41336704	研究论文	提出首个基于深度学习的鲁棒性自动3D大脑提取工具，适用于不同品种和健康状况的猫狗T1加权磁共振图像	首个针对猫狗跨品种、跨诊断的深度学习大脑提取工具，在形态学变异情况下优于现有基于图谱的方法VIBE和人类医学方法	未明确说明模型在极端颅骨形态或罕见病种上的泛化能力，训练数据规模相对有限（115只动物）	开发适用于兽医神经影像学的自动化、高精度大脑提取工具	猫和狗的T1加权磁共振图像	数字病理学	兽医神经疾病	T1加权磁共振成像	深度学习模型	3D医学图像	115只动物（猫和狗）	NA	NA	Dice系数	NA
1530	2025-12-05	NeuroMoE: A Transformer-Based Mixture-of-Experts Framework for Multi-Modal Neurological Disorder Classification 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254303 PMID:41336692	研究论文	本文提出了一种基于Transformer的混合专家框架，用于整合多模态MRI和临床数据以提升神经系统疾病的分类性能	提出了一种新颖的基于Transformer的混合专家框架，首次将解剖MRI、DTI和功能MRI与临床评估数据通过自适应门控机制进行动态融合	研究使用了独特的专有多模态临床数据集，其普适性可能受限；未详细说明模型在不同疾病亚型间的泛化能力	开发一个能够有效整合多模态医学数据以提升神经系统疾病诊断准确性的深度学习框架	神经系统疾病患者的多模态MRI数据（解剖MRI、DTI、功能MRI）及临床评估数据	医学影像分析	神经系统疾病	多模态磁共振成像	Transformer, 混合专家模型	医学影像, 临床数据	NA	NA	Transformer编码器, 混合专家	准确率	NA
1531	2025-12-05	Anomaly-Driven Approach for Enhanced Prostate Cancer Segmentation 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254318 PMID:41336698	研究论文	本研究提出了一种结合异常检测与深度学习分割的框架（adU-Net），用于提升临床显著性前列腺癌在MRI图像中的分割性能	首次将基于Fixed-Point GAN生成的异常图集成到U-Net分割框架中，利用异常图引导模型关注潜在癌变区域	未明确说明训练数据的具体规模与来源多样性，外部测试集的性能提升幅度有限（平均分数从0.605提升至0.618）	提升临床显著性前列腺癌在MRI图像中的自动化分割准确性与泛化能力	双参数MRI序列中的前列腺癌病灶	数字病理	前列腺癌	双参数磁共振成像（biparametric MRI）	CNN, GAN	医学影像（MRI）	NA	NA	U-Net, Fixed-Point GAN, nnU-Net	AUROC, 平均精度（AP）, 平均分数（AUROC与AP的均值）	NA
1532	2025-12-05	Spinal Disease Classification Using Deep Learning on Dual-View Videos 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254342 PMID:41336702	研究论文	本研究提出了一种基于双视角步态视频的深度学习新方法，用于区分成人脊柱畸形（ASD）与非ASD患者	首次将双视角步态视频与神经网络结合，能够检测每位患者特有的步态波动，通过整合时空步态动力学增强定量诊断	未明确说明样本规模的具体细节，且仅提及F1分数有显著提升但总体准确率提升有限	开发一种用于成人脊柱畸形（ASD）定量诊断和步态评估的新方法	成人脊柱畸形（ASD）患者与非ASD患者的步态特征	计算机视觉	脊柱疾病	步态视频分析	CNN	视频	NA	PyTorch	3D CNN	准确率, F1分数	NA
1533	2025-12-05	Using mmWave Radar and Deep Learning to Classify Caregiver Activities for Infection Prevention 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254344 PMID:41336691	研究论文	本文提出了一种基于毫米波雷达和深度学习技术的护理人员活动识别系统，用于分类护理人员在患者房间内的活动并评估其感染风险等级，以支持临床环境中的感染预防策略	利用毫米波雷达获取的3D点云数据进行非侵入式、保护隐私的活动识别，并首次将护理人员活动按感染风险等级（行走、环境接触、低风险患者接触、高风险患者接触）进行分类评估	研究在模拟医院环境中进行，未来需要在实际临床环境中验证；深度学习模型架构有待进一步优化以提高性能	开发一种非侵入式活动识别系统，用于监测护理人员活动并评估感染风险，以增强临床环境中的感染预防能力	护理人员在患者房间内的30种不同活动，按感染风险分为四个等级	计算机视觉	感染性疾病	毫米波雷达	深度学习	3D点云数据	在模拟医院环境中收集的30种护理人员活动数据集	NA	PointNet++, Pointformer, DGCNN	准确率, F1分数	NA
1534	2025-12-05	UNI-HoverNet: nuclei segmentation and classification across diverse tissue sections based on the UNI foundation model 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254327 PMID:41336708	研究论文	本研究提出了一种名为UNI-HoverNet的深度学习模型，用于在多样化的组织病理学切片中进行精确的细胞核分割与分类	将UNI基础模型集成到HoverNet编码器中，结合了CNN的局部特征提取能力和视觉Transformer的全局上下文建模；在解码器中引入SE模块并利用跳跃连接有效融合多尺度特征	NA	开发一个能在多样化组织切片中实现精确细胞核分割与分类的深度学习模型，以辅助病理分析	组织病理学切片中的细胞核	数字病理学	肿瘤（泛指）	NA	CNN, Transformer	图像	PanNuke公共数据集	NA	UNI, HoverNet	多类全景质量, F1分数	NA
1535	2025-12-05	Recover from Horcrux: A Spectrogram Augmentation Method for Cardiac Feature Monitoring from Radar Signal Components 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254289 PMID:41336721	研究论文	本文提出了一种名为Horcrux的频谱图增强方法，用于基于雷达信号的心脏特征监测，旨在解决数据稀缺问题并提升深度学习模型性能	提出了一种适用于回归任务的频谱图增强方法，通过注入零值增强模型对细微心脏特征的感知能力，同时保持增强数据与原始真实生理信号的忠实性	未明确说明实验数据的具体来源和规模限制，且方法在其他频谱图任务中的扩展性需进一步验证	开发一种数据增强方法以解决基于雷达信号的心脏特征监测中数据稀缺问题，支持分类和回归任务	雷达信号及其频谱图，用于心跳检测和心电图重建等心脏特征监测	机器学习	心血管疾病	雷达信号处理，频谱图分析	深度学习模型（未指定具体类型）	频谱图	NA	NA	NA	NA	NA
1536	2025-12-05	Enhancing Segmentation Accuracy of the Common Iliac Vein in OLIF51 Surgery in Intraoperative Endoscopic Video through Gamma Correction: A Deep Learning Approach 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254299 PMID:41336724	研究论文	本文提出了一种通过伽马校正增强深度学习模型在OLIF51手术内窥镜视频中准确分割髂总静脉的方法	结合伽马校正技术优化内窥镜图像，以提高髂总静脉在复杂手术环境中的自动分割精度	NA	开发一种术中支持系统，通过自动提取静脉区域来标准化髂总静脉的识别，降低手术损伤风险	脊柱疾病治疗中的髂总静脉	计算机视觉	脊柱疾病	内窥镜视频成像	深度学习模型	视频	NA	NA	NA	NA	NA
1537	2025-12-05	Freezing of Gait Detection Using Gramian Angular Fields and Federated Learning from Wearable Sensors 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254302 PMID:41336735	研究论文	本文提出了一种名为FOGSense的系统，用于在自由生活环境中使用单个可穿戴传感器检测帕金森病的冻结步态症状	结合Gramian Angular Field变换和隐私保护的联邦深度学习，以捕捉传统方法遗漏的时空步态模式，并实现个性化模型适应	研究基于公开数据集进行，需要在更广泛的患者群体和更长期的自由生活环境中进一步验证	开发一种准确、实时且可部署于自由生活环境的冻结步态检测系统，以支持及时干预和长期症状管理	帕金森病患者的冻结步态症状	机器学习	帕金森病	可穿戴传感器数据采集	深度学习	时间序列传感器数据	使用公开的帕金森病数据集（具体样本数未在摘要中说明）	联邦学习框架	NA	准确率, F1分数, 假阳性率, 灵敏度	智能手机（用于模型同步和部署）
1538	2025-12-05	Depth-Regularized 3D Gaussian Splatting for Robust Endoscopic Reconstruction in Feature-Scarce Environments 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254375 PMID:41336748	研究论文	本文提出了一种结合深度学习SfM技术和深度正则化的先进3D高斯溅射框架，用于在特征稀缺的内窥镜环境中实现鲁棒的三维重建	将Super-point和Superglue集成到SfM中以鲁棒提取和匹配胃肠道场景特征，并引入预训练的Depth-Anything-V2模型进行单目深度预测，通过尺度偏移调整和L损失与SfM深度对齐，同时采用Huber损失进行硬深度正则化以确保3D高斯点的精确放置，并通过全局-局部深度归一化保持细节与结构一致性	未明确提及方法在极端光照条件或运动模糊场景下的性能，也未讨论计算效率与实时性	解决在狭窄视场和纹理均匀的胃肠道环境中现有三维重建方法（如NeRF和标准3DGS）性能不佳的问题	胃肠道内窥镜图像	计算机视觉	胃肠道疾病	结构光运动恢复（SfM），单目深度预测	深度学习模型	内窥镜图像	多个内窥镜数据集（未指定具体数量）	NA	Depth-Anything-V2	重建质量，伪影减少（未指定具体量化指标）	NA
1539	2025-12-05	Automatic Cough Analysis for Non-Small Cell Lung Cancer Detection 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254401 PMID:41336743	研究论文	本研究探索了使用自动咳嗽分析作为区分非小细胞肺癌患者与健康对照的预筛查工具	首次将自动咳嗽分析与机器学习技术结合，用于非小细胞肺癌的早期检测，并利用SHAP增强模型可解释性，同时评估了模型在不同人口统计学群体中的公平性	需要更大、更多样化且无偏的数据集，特别是包括有NSCLC风险的个体和早期疾病阶段的患者，以增强研究结果的可靠性	改善肺癌筛查方法，促进非小细胞肺癌的早期诊断	非小细胞肺癌患者和健康对照者	机器学习	肺癌	音频分析	SVM, XGBoost, CNN	音频	227名受试者（包括NSCLC患者和健康对照）	NA	VGG16	准确率	NA
1540	2025-12-05	A Pilot Study: Automatically Monitoring the Physical Dysfunction of Idiopathic REM Sleep Behaviour Disorder with Wearables and Deep Learning 2025-Jul, Annual International Conference of the IEEE Engineering in Medicine and Biology Society. IEEE Engineering in Medicine and Biology Society. Annual International Conference DOI:10.1109/EMBC58623.2025.11254362 PMID:41336751	研究论文	本研究探索使用可穿戴设备和深度学习自动监测特发性快速眼动睡眠行为障碍（iRBD）患者的身体功能障碍	开发了一种新颖的通道注意力集成时间卷积网络（STCN）用于活动识别，并验证了通过跟踪UPDRS III测试表现自动监测iRBD的潜力	样本量较小（仅11名iRBD患者），且依赖特定物理检查，可能受设备佩戴位置和信号质量影响	探索一种经济有效的家庭持续监测iRBD的方法，以替代昂贵的视频多导睡眠图	特发性快速眼动睡眠行为障碍（iRBD）患者、帕金森病（PD）患者和健康对照者	机器学习	帕金森病	加速度计信号采集、MDS-UPDRS III物理检查	CNN	加速度计信号	11名iRBD患者、17名PD患者和14名健康对照者	NA	STCN（通道注意力集成时间卷积网络）	F1分数	NA